基于互联网搜索数据的流感预警模型比较与优化
| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 第一节 研究背景 | 第9-13页 |
| 一、流行病与“流行病情报学” | 第9-11页 |
| 二、中国互联网及搜索引擎的普及 | 第11-12页 |
| 三、互联网技术在流行病监测领域中的应用和影响 | 第12-13页 |
| 第二节 研究意义、目的与内容 | 第13-15页 |
| 一、研究意义 | 第13-14页 |
| 二、研究目的 | 第14页 |
| 三、研究内容 | 第14-15页 |
| 第三节 研究方法与技术路线 | 第15-17页 |
| 一、研究方法 | 第15-16页 |
| 二、技术路线 | 第16-17页 |
| 第二章 文献综述 | 第17-24页 |
| 第一节 基于网络搜索数据的应用研究 | 第17-20页 |
| 一、经济金融领域的应用研究 | 第17-18页 |
| 二、社会心理领域的应用研究 | 第18-19页 |
| 三、旅游管理领域的应用研究 | 第19页 |
| 四、消费者行为领域的应用研究 | 第19-20页 |
| 第二节 基于网络搜索数据的流行病监测应用研究 | 第20-24页 |
| 一、流感监测的应用研究 | 第20-22页 |
| 二、其它流行病监测的应用研究 | 第22-24页 |
| 第三章 理论框架与模型原理 | 第24-34页 |
| 第一节 理论基础与框架 | 第24-26页 |
| 第二节 关键词选择原理 | 第26-29页 |
| 一、关键词初选 | 第26-27页 |
| 二、互相关分析 | 第27-29页 |
| 第三节 预测模型原理 | 第29-34页 |
| 一、一元线性回归 | 第29-30页 |
| 二、多元线性回归 | 第30-31页 |
| 三、主成分回归 | 第31-32页 |
| 四、人工神经网络模型 | 第32-33页 |
| 五、时间序列分析 | 第33-34页 |
| 第四章 实证分析 | 第34-63页 |
| 第一节 数据来源 | 第34-35页 |
| 一、中国国家流感中心流感周报 | 第34页 |
| 二、百度指数 | 第34-35页 |
| 第二节 关键词选择结果 | 第35-40页 |
| 一、关键词初选结果 | 第35-38页 |
| 二、互相关分析结果 | 第38-40页 |
| 第三节 基于搜索数据的流感预警模型拟合与检验 | 第40-51页 |
| 一、一元线性回归模型 | 第40-43页 |
| 二、多元线性回归模型 | 第43-46页 |
| 三、主成份回归模型 | 第46-50页 |
| 四、BP神经网络模型 | 第50-51页 |
| 第四节 基于搜索数据的模型效果比较 | 第51-58页 |
| 一、模型拟合效果比较 | 第52-54页 |
| 二、模型预测能力比较 | 第54-58页 |
| 第五节 优化模型的建立与比较 | 第58-63页 |
| 一、模型建立 | 第58-60页 |
| 二、模型比较 | 第60-63页 |
| 第五章 结论 | 第63-67页 |
| 第一节 讨论 | 第63-65页 |
| 第二节 研究发现 | 第65-66页 |
| 第三节 研究局限与未来展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第73页 |
